基于計(jì)算聽覺場(chǎng)景分析的單聲道語(yǔ)音分離.pdf

1、在自然環(huán)境中，一個(gè)典型的聽覺場(chǎng)景中含有聽覺噪聲，例如環(huán)境噪聲、音樂(lè)聲以及其他人的說(shuō)話聲。噪聲干擾目標(biāo)語(yǔ)音給許多語(yǔ)音技術(shù)的應(yīng)用帶來(lái)了相當(dāng)大的困難。單聲道語(yǔ)音分離是指在單個(gè)信道情況下從混合語(yǔ)音信號(hào)中分離出目標(biāo)語(yǔ)音。計(jì)算聽覺場(chǎng)景分析是可以完成該分離任務(wù)的一種新方法，也是語(yǔ)音信號(hào)處理領(lǐng)域的研究熱點(diǎn)。
　　本文主要研究基于計(jì)算聽覺場(chǎng)景分析的單聲道語(yǔ)音分離問(wèn)題。對(duì)聽覺分割、高頻時(shí)頻單元標(biāo)記和聽覺重組后二值模的平滑處理等問(wèn)題進(jìn)行分析研究，提出一

2、些改進(jìn)的方法，并進(jìn)行實(shí)驗(yàn)對(duì)比。本文的主要研究?jī)?nèi)容如下:
　　(1)為了提高高頻區(qū)域時(shí)頻單元標(biāo)記和聽覺分割的準(zhǔn)確性，本文提出了一種改進(jìn)聽覺組織的單聲道濁語(yǔ)音分離算法。在組織階段中，首先該算法利用不同的特征對(duì)高頻和低頻中的時(shí)頻單元進(jìn)行標(biāo)記。采用增強(qiáng)包絡(luò)自相關(guān)函數(shù)標(biāo)記高頻區(qū)域的時(shí)頻單元。然后，利用起始和截止分析得到聽覺片段，該方法可以有效地將語(yǔ)音和噪聲分割到不同的片段。根據(jù)已經(jīng)分離的濁語(yǔ)音二值模將這些片段選擇性地重組到目標(biāo)流中。系統(tǒng)評(píng)估

3、表明，該算法優(yōu)于原來(lái)的系統(tǒng)。
　　(2)語(yǔ)音分離其實(shí)就是估計(jì)二值模，然后利用二值模從混合語(yǔ)音中合成目標(biāo)語(yǔ)音。由于噪聲的干擾降低了聽覺線索提取的準(zhǔn)確性，使得二值模中包含許多較小的噪聲片段和破損的目標(biāo)片段，導(dǎo)致合成的目標(biāo)語(yǔ)音質(zhì)量下降。結(jié)合形態(tài)學(xué)的二值圖像處理方法，本文提出了基于掩碼平滑的改進(jìn)語(yǔ)音分離方法。該方法首先對(duì)二值模進(jìn)行開運(yùn)算操作，去除聽覺流中噪聲片段;然后進(jìn)行閉運(yùn)算操作修復(fù)破損的目標(biāo)片段，獲得丟失的目標(biāo)單元。系統(tǒng)評(píng)估表明，經(jīng)過(guò)